Hướng dẫn python resample grid - lưới lấy lại mẫu python

Nhận lại dữ liệu chuỗi thời gian.

Phương pháp thuận tiện để chuyển đổi tần số và lấy mẫu lại chuỗi thời gian. Đối tượng phải có một chỉ mục giống như DateTime (DatetimeIndex, SepetIndex hoặc TimEdeltainDex) hoặc người gọi phải chuyển nhãn của chuỗi/chỉ mục giống như DateTime cho tham số từ khóa ____ 23/________ 24.

Chuỗi bù hoặc đối tượng biểu thị chuyển đổi mục tiêu.

Trục nào sẽ sử dụng để lấy mẫu lên hoặc xuống. Đối với chuỗi tham số này không được sử dụng và mặc định là 0. phải là DateTimeIndex, TimEdeltainDex hoặc StentIndex.

Bên nào của khoảng thời gian thùng được đóng lại. Mặc định là ‘trái, đối với tất cả các lần bù tần số ngoại trừ‘ m, ‘a,’ q, ‘bm,‘ ba, ‘bq, và’ w, tất cả đều có mặc định là ‘phải.

Nhãn Bin Edge nào để dán nhãn Xô. Mặc định là ‘trái, đối với tất cả các lần bù tần số ngoại trừ‘ m, ‘a,’ q, ‘bm,‘ ba, ‘bq, và’ w, tất cả đều có mặc định là ‘phải.

Chỉ dành cho thời kỳ, kiểm soát nên sử dụng bắt đầu hay kết thúc quy tắc.

Vượt qua ‘dấu thời gian để chuyển đổi chỉ số kết quả thành DatetimeIndex hoặc‘ giai đoạn để chuyển đổi nó thành một thời kỳ. Theo mặc định, biểu diễn đầu vào được giữ lại.

Điều chỉnh nhãn thời gian được ghép lại.

Đã không dùng nữa kể từ phiên bản 1.1.0: Bạn nên thêm loffset vào df.index sau khi lấy mẫu lại. Xem bên dưới.You should add the loffset to the df.index after the resample. See below.

Đối với các tần số chia đều 1 ngày, nguồn gốc của các khoảng thời gian tổng hợp. Ví dụ, đối với tần số 5 phút, cơ sở có thể nằm trong khoảng từ 0 đến 4. mặc định đến 0.

Không dùng nữa kể từ phiên bản 1.1.0: Các đối số mới mà bạn nên sử dụng là ‘Offset, hoặc‘ Origin.The new arguments that you should use are ‘offset’ or ‘origin’.

Đối với DataFrame, cột để sử dụng thay vì chỉ mục để lấy mẫu lại. Cột phải giống như DateTime.

Đối với Multi Index, cấp độ (tên hoặc số) để sử dụng để lấy mẫu lại. Cấp độ phải giống như DateTime.

Dấu thời gian để điều chỉnh nhóm. Thời gian gốc phải phù hợp với múi giờ của chỉ mục. Nếu chuỗi, phải là một trong những điều sau:

• ‘Epoch, nguồn gốc là 1970-01-01

• ‘Bắt đầu: Nguồn gốc là giá trị đầu tiên của Thời báo

• ‘Start_day,: Nguồn gốc là ngày đầu tiên lúc nửa đêm của Timesereries

Mới trong phiên bản 1.1.0.

• ‘End, nguồn gốc là giá trị cuối cùng của thời gian

• ‘End_day,: Nguồn gốc là trần nửa đêm của ngày cuối cùng

Mới trong phiên bản 1.3.0.

Một thời gian bù được thêm vào nguồn gốc.

Mới trong phiên bản 1.1.0.

‘End_day,: Nguồn gốc là trần nửa đêm của ngày cuối cùngpandas 1.5.0 Release notes for examples). In a future version of pandas, the behavior will default to the same as specifying

>>> series.resample('3T', label='right').sum()
2000-01-01 00:03:00     3
2000-01-01 00:06:00    12
2000-01-01 00:09:00    21
Freq: 3T, dtype: int64

Mới trong phiên bản 1.3.0.

Đối tượng

>>> series.resample('3T', label='right').sum()
2000-01-01 00:03:00     3
2000-01-01 00:06:00    12
2000-01-01 00:09:00    21
Freq: 3T, dtype: int64

Ghi chú

Xem Hướng dẫn sử dụng để biết thêm.

Để tìm hiểu thêm về các chuỗi bù, vui lòng xem liên kết này.

Ví dụ

Bắt đầu bằng cách tạo một loạt với 9 lần dấu thời gian một phút.

>>> index = pd.date_range('1/1/2000', periods=9, freq='T')
>>> series = pd.Series(range(9), index=index)
>>> series
2000-01-01 00:00:00    0
2000-01-01 00:01:00    1
2000-01-01 00:02:00    2
2000-01-01 00:03:00    3
2000-01-01 00:04:00    4
2000-01-01 00:05:00    5
2000-01-01 00:06:00    6
2000-01-01 00:07:00    7
2000-01-01 00:08:00    8
Freq: T, dtype: int64

Downs mẫu loạt thành các thùng 3 phút và tổng các giá trị của dấu thời gian rơi vào thùng.

>>> series.resample('3T').sum()
2000-01-01 00:00:00     3
2000-01-01 00:03:00    12
2000-01-01 00:06:00    21
Freq: 3T, dtype: int64

Downs mẫu loạt thành các thùng 3 phút như trên, nhưng dán nhãn cho mỗi thùng sử dụng cạnh phải thay vì bên trái. Xin lưu ý rằng giá trị trong xô được sử dụng làm nhãn không được bao gồm trong xô, mà nó nhãn. Ví dụ, trong chuỗi ban đầu, nhóm

>>> series.resample('3T', label='right').sum()
2000-01-01 00:03:00     3
2000-01-01 00:06:00    12
2000-01-01 00:09:00    21
Freq: 3T, dtype: int64

>>> series.resample('3T', label='right').sum()
2000-01-01 00:03:00     3
2000-01-01 00:06:00    12
2000-01-01 00:09:00    21
Freq: 3T, dtype: int64

>>> series.resample('3T', label='right').sum()
2000-01-01 00:03:00     3
2000-01-01 00:06:00    12
2000-01-01 00:09:00    21
Freq: 3T, dtype: int64

Downs mẫu loạt thành các thùng 3 phút như trên, nhưng đóng phía bên phải của khoảng thời gian thùng.

>>> series.resample('3T', label='right', closed='right').sum()
2000-01-01 00:00:00     0
2000-01-01 00:03:00     6
2000-01-01 00:06:00    15
2000-01-01 00:09:00    15
Freq: 3T, dtype: int64

Upsample sê -ri thành thùng 30 giây.

>>> series.resample('30S').asfreq()[0:5]   # Select first 5 rows
2000-01-01 00:00:00   0.0
2000-01-01 00:00:30   NaN
2000-01-01 00:01:00   1.0
2000-01-01 00:01:30   NaN
2000-01-01 00:02:00   2.0
Freq: 30S, dtype: float64

Upsample sê -ri thành các thùng 30 giây và điền các giá trị

>>> series.resample('3T', label='right', closed='right').sum()
2000-01-01 00:00:00     0
2000-01-01 00:03:00     6
2000-01-01 00:06:00    15
2000-01-01 00:09:00    15
Freq: 3T, dtype: int64

>>> series.resample('3T', label='right', closed='right').sum()
2000-01-01 00:00:00     0
2000-01-01 00:03:00     6
2000-01-01 00:06:00    15
2000-01-01 00:09:00    15
Freq: 3T, dtype: int64

>>> series.resample('30S').ffill()[0:5]
2000-01-01 00:00:00    0
2000-01-01 00:00:30    0
2000-01-01 00:01:00    1
2000-01-01 00:01:30    1
2000-01-01 00:02:00    2
Freq: 30S, dtype: int64

Upsample sê -ri thành các thùng 30 giây và điền các giá trị

>>> series.resample('3T', label='right', closed='right').sum()
2000-01-01 00:00:00     0
2000-01-01 00:03:00     6
2000-01-01 00:06:00    15
2000-01-01 00:09:00    15
Freq: 3T, dtype: int64

>>> series.resample('3T', label='right', closed='right').sum()
2000-01-01 00:00:00     0
2000-01-01 00:03:00     6
2000-01-01 00:06:00    15
2000-01-01 00:09:00    15
Freq: 3T, dtype: int64

>>> series.resample('30S').bfill()[0:5]
2000-01-01 00:00:00    0
2000-01-01 00:00:30    1
2000-01-01 00:01:00    1
2000-01-01 00:01:30    2
2000-01-01 00:02:00    2
Freq: 30S, dtype: int64

Vượt qua một chức năng tùy chỉnh thông qua

>>> series.resample('3T', label='right', closed='right').sum()
2000-01-01 00:00:00     0
2000-01-01 00:03:00     6
2000-01-01 00:06:00    15
2000-01-01 00:09:00    15
Freq: 3T, dtype: int64

>>> def custom_resampler(arraylike):
...     return np.sum(arraylike) + 5
...
>>> series.resample('3T').apply(custom_resampler)
2000-01-01 00:00:00     8
2000-01-01 00:03:00    17
2000-01-01 00:06:00    26
Freq: 3T, dtype: int64

Đối với một chuỗi có thời kỳ, quy ước từ khóa có thể được sử dụng để kiểm soát việc sử dụng bắt đầu hay kết thúc quy tắc.

Đặt lại một năm từng quý bằng cách sử dụng quy ước bắt đầu. Các giá trị được gán cho quý đầu tiên của giai đoạn.

>>> s = pd.Series([1, 2], index=pd.period_range('2012-01-01',
...                                             freq='A',
...                                             periods=2))
>>> s
2012    1
2013    2
Freq: A-DEC, dtype: int64
>>> s.resample('Q', convention='start').asfreq()
2012Q1    1.0
2012Q2    NaN
2012Q3    NaN
2012Q4    NaN
2013Q1    2.0
2013Q2    NaN
2013Q3    NaN
2013Q4    NaN
Freq: Q-DEC, dtype: float64

Làm lại các quý theo tháng bằng cách sử dụng quy ước ‘kết thúc. Các giá trị được gán cho tháng cuối cùng của kỳ.

>>> q = pd.Series([1, 2, 3, 4], index=pd.period_range('2018-01-01',
...                                                   freq='Q',
...                                                   periods=4))
>>> q
2018Q1    1
2018Q2    2
2018Q3    3
2018Q4    4
Freq: Q-DEC, dtype: int64
>>> q.resample('M', convention='end').asfreq()
2018-03    1.0
2018-04    NaN
2018-05    NaN
2018-06    2.0
2018-07    NaN
2018-08    NaN
2018-09    3.0
2018-10    NaN
2018-11    NaN
2018-12    4.0
Freq: M, dtype: float64

Đối với các đối tượng DataFrame, từ khóa trên có thể được sử dụng để chỉ định cột thay vì chỉ mục để lấy mẫu lại.

>>> series.resample('3T').sum()
2000-01-01 00:00:00     3
2000-01-01 00:03:00    12
2000-01-01 00:06:00    21
Freq: 3T, dtype: int64

Đối với DataFrame có Multi Index, mức từ khóa có thể được sử dụng để chỉ định ở mức nào việc lấy mẫu lại cần diễn ra.

>>> series.resample('3T').sum()
2000-01-01 00:00:00     3
2000-01-01 00:03:00    12
2000-01-01 00:06:00    21
Freq: 3T, dtype: int64

Nếu bạn muốn điều chỉnh sự khởi đầu của các thùng dựa trên dấu thời gian cố định:

>>> series.resample('3T').sum()
2000-01-01 00:00:00     3
2000-01-01 00:03:00    12
2000-01-01 00:06:00    21
Freq: 3T, dtype: int64

>>> series.resample('3T').sum()
2000-01-01 00:00:00     3
2000-01-01 00:03:00    12
2000-01-01 00:06:00    21
Freq: 3T, dtype: int64

>>> series.resample('3T').sum()
2000-01-01 00:00:00     3
2000-01-01 00:03:00    12
2000-01-01 00:06:00    21
Freq: 3T, dtype: int64

>>> series.resample('3T').sum()
2000-01-01 00:00:00     3
2000-01-01 00:03:00    12
2000-01-01 00:06:00    21
Freq: 3T, dtype: int64

Nếu bạn muốn điều chỉnh phần bắt đầu của các thùng bằng thời gian bù, hai dòng sau là tương đương:

>>> series.resample('3T').sum()
2000-01-01 00:00:00     3
2000-01-01 00:03:00    12
2000-01-01 00:06:00    21
Freq: 3T, dtype: int64

>>> series.resample('3T').sum()
2000-01-01 00:00:00     3
2000-01-01 00:03:00    12
2000-01-01 00:06:00    21
Freq: 3T, dtype: int64

Nếu bạn muốn lấy dấu thời gian lớn nhất làm phần cuối của các thùng:

>>> series.resample('3T').sum()
2000-01-01 00:00:00     3
2000-01-01 00:03:00    12
2000-01-01 00:06:00    21
Freq: 3T, dtype: int64

Ngược lại với Start_day, bạn có thể sử dụng End_day để lấy trần vào nửa đêm của dấu thời gian lớn nhất khi kết thúc các thùng và thả các thùng không chứa dữ liệu:

>>> series.resample('3T').sum()
2000-01-01 00:00:00     3
2000-01-01 00:03:00    12
2000-01-01 00:06:00    21
Freq: 3T, dtype: int64

Để thay thế việc sử dụng đối số cơ sở không dùng nữa, giờ đây bạn có thể sử dụng Offset, trong ví dụ này, nó tương đương với Base = 2:

>>> series.resample('3T', label='right').sum()
2000-01-01 00:03:00     3
2000-01-01 00:06:00    12
2000-01-01 00:09:00    21
Freq: 3T, dtype: int64

Để thay thế việc sử dụng đối số loffset không dùng nữa:

>>> series.resample('3T', label='right').sum()
2000-01-01 00:03:00     3
2000-01-01 00:06:00    12
2000-01-01 00:09:00    21
Freq: 3T, dtype: int64